微软推出了一种识别图像内容并修复视觉问题的人工智能模型

AI Kosmos-1 的新型号是多式联运 Large Language Model （MLLM），不仅能够响应语言提示，还能响应视觉提示，因此能够更好地响应问答环节。

多模式人工智能 (MLLM) 可能是通用人工智能发展的关键，这种技术在未来可以在任何智力任务或工作中取代人类。

什么是 Kosmos-1

Kosmos-1 是微软研究人员开发的多模态模型。 上周一，它作为一款能够：

• 阅读图像的内容，
• 解决视觉难题，
• 识别图像中的文字，
• 在视觉智商测试中取得好成绩
• 理解以自然语言给出的指令。

的发展人工智能 多模式被视为创建能够执行一般人类任务的通用人工智能 (AGI) 的关键一步。

语言不是你所需要的全部：将感知与语言模型相结合

研究人员在他们的学术论文中写道：“作为智能的基本组成部分，多模态感知是实现人工智能的必要条件，就知识获取和现实世界嵌入而言，” 语言不是你所需要的全部：将感知与语言模型相结合.

Kosmos-1 模型可以分析图像并回答有关它们的问题，从图像中读取文本，为图像编写标题，并在视觉智商测试中得分在 22% 到 26% 之间，如 Kosmos-1 中的视觉示例所示学习。

OpenAI 通用人工智能

微软在人工智能领域的主要业务合作伙伴 OpenAI 已将 AGI 作为其主要关注点。 Kosmos-1 似乎是微软的独家倡议，没有 OpenAI 的帮助。

BlogInnovazione.it